一种基于预测的实时人脸特征点定位跟踪算法

当前的人脸特征点定位跟踪方法因其计算量大,实时特性欠佳。给出了一种基于改进Viola-Jones算法和Kalman滤波器预测机制的定位及跟踪算法。该算法通过使用改进的Viola-Jones算法对本次人脸特征点进行定位,同时使用Kalman滤波算法对特征点下次出现位置进行预测,缩小了下一帧特征点定位过程中特征点的搜索范围,因而缩短了定位搜索时间。实验结果表明该方法在保证定位准确性和鲁棒性的同时明显增强了算法的实时性。     

基于统计模型与Gabor小波的人脸对齐

将基于Gabor小波的人脸特征点跟踪算法与基于统计模型的主动外观模型AAM人脸特征点定位方法结合起来,实现视频中人脸的自动对齐。先利用Gabor小波进行特征点跟踪,其结果作为AAM的初始形状。利用AAM的全局形状和纹理信息作为约束,对Gabor小波的局部跟踪错误进行校正。实验表明,该方法是有效的。     

一种融合Hough变换和ASM定位瞳孔中心点方法

特征点的准确定位是机器视觉和模式识别的关键技术之一.主动形状模型(ASM)是一种传统的图像特征点定位算法,具有较高的精确性和鲁棒性.为了提高ASM人脸瞳孔特征点定位的精确度,提出了使用Hough变换方法来改进瞳孔特征点的定位.通过ASM算法,初步定位出瞳孔特征点,并使用Sobel算子对图像进行边缘检测,然后在人眼位置选择一个合适的窗口使用Hough圆检测,找出精确瞳孔点相对于ASM初步定位瞳孔点的偏移量.在实验室采集的人脸图像上的对比实验表明,该方法能够显著的改善ASM人眼瞳孔特征点定位准确性.由于使用了初定位进行了搜索范围的限制,计算量也得到了有效的控制.     

基于光流法的视频人脸特征点跟踪方法

提出一种人脸特征点跟踪方法。首先,运用ASM获取人脸的特征点,然后在选用Lucas-Kanade光流算法的基础上,将初始帧和当前帧的前一帧有机结合起来,共同作为当前帧的参考来进行特征点跟踪。实验结果表明该方法对特征点的跟踪有很好的效果。     

ASM与彩色Labor特征相结合的人脸关键特征点提取

提出一种ASM(active shape Model)与彩色Gabor特征相结合的提取人脸关键特征点的方法。该方法首先通过瞳孔的精确定位来辅助完成人脸形状模型的初始化;然后采取全局特征与局部特征相结合的方法来共同实现对特征点的定位;最后选取人脸图像中的关键特征点的特征信息,结合彩色Gabor特征进行提取,进而快速准确地得到人脸关键特征点。实验表明,与传统的ASM算法比较,加入了彩色信息的改进算法对特征点定位有显著的提高。     

两种自由曲线重建方法*

通过深入分析ASM/AAM算法的各种改进方案的试验统计结果,提出了一种基于局部梯度统计特征和纹理约束形状的改进ASM算法： 用梯度信息代替灰度信息训练特征模型得以有效提高匹配精度和减少所需训练的样本数,用全局的纹理去约束形状得以有效提高算法对特征点定位的精度。大量统计试验表明所提出的算法能正确地提取大部分正向人脸的特征点。提出的算法对人脸跟踪、识别和表情分析等图像理解任务有着广泛的应用前景。     

多视角级联回归模型人脸特征点定位

针对人脸姿态偏转较大导致人脸特征点定位精度低的问题，提出了多视角人脸特征点定位算法，采用随机森林局部学习与全局线性回归相结合的级联姿态回归（Cascaded Pose Regression，CPR）人脸特征点定位模型，在不同的人脸姿态视角下建立不同的模型，以多模型代替单一模型来提高人脸特征点定位的精度。首先采用CPR模型对不同视角下的人脸建立不同的模型；然后采用多视角生成模型（Multi-View Generative Model，MVGM）来评估输入人脸图片的姿态；最后根据评估的姿态选择相对应的模型，进而实现特征点的精确定位。仿真实验结果表明，相比于现有的几种人脸特征点定位算法，所提算法实现了更精确的定位效果。     

非约束环境下人脸特征点的稳定跟踪

为了对人脸特征点进行精确地跟踪,提出一种在线参考表观模型(ORAM)的算法.首先在原主动表观模型(AAM)中加入在线更新的参考模型;然后采用子空间在线自更新机制,利用增量学习方法在线更新AAM的纹理模型和参考模型;在此基础上,基于同步反向合成建立ORAM的特征点拟合算法.为减少跟踪过程产生的累积误差,利用初始稳定跟踪结果建立纹理子空间重置机制,完成人脸特征点跟踪.实验结果表明,ORAM算法无需训练集,在姿态、表情、光照变化的环境下,能够准确、快速地完成人脸跟踪.     

一种鲁棒的全自动人脸特征点定位方法

人脸特征点定位的目标是能够对人脸进行全自动精确定位. 主动形状模型(Active shape modal, ASM)和主动表象模型(Active appearance modal, AAM)的发表为全自动人脸特征点定位工作提供了很好的思路和解决框架. 之后很多研究工作也都在ASM和AAM的框架下进行了改进. 但是目前的研究工作尚未很好地解决人脸表情、光照以及姿态变化情况下的人脸特征点定位问题, 本文基于ASM框架提出了全自动人脸特征点定位算法. 和传统ASM方法以及ASM的改进方法的不同在于: 1)引进有效的机器学习方法来建立局部纹理模型. 这部分工作改进了传统ASM方法中用灰度图像的梯度分布进行局部纹理建模的方法, 引入了基于随机森林分类器和点对比较特征的局部纹理建模方法. 这种方法基于大量样本的统计学习, 能够有效解决人脸特征点定位中光照和表情变化这些难点; 2)在人脸模型参数优化部分, 本文成功地将分类器输出的结果结合到人脸模型参数优化的目标函数当中, 并且加入形状限制项使得优化的目标函数更为合理. 本文在包含表情、光照以及姿态变化的人脸数据上进行实验, 实验结果证明本文提出的全自动人脸特征点定位方法能够有效地适应人脸的光照和表情变化. 在姿态数据库上的测试结果说明了本算法的有效性.     

一种快速高效的人脸特征点定位方法

针对传统人脸特征点定位方法中存在的算法复杂、鲁棒性差以及精确度低等不足,提出一种基于局部特征区域快速高效的人脸特征点自动定位方法。首先对经过预处理后的人脸图像利用改进的积分投影算法结合肤色特性实现人脸区域的精确定位;然后在人脸区域内根据各特征部位的特性标定其特征区域;最后在特征区域内完成人脸特征点的自动定位。实验结果表明,该算法简单、具有较高的鲁棒性,且能够快速高效地实现人脸特征点定位。     

一种嵌入式环境下的实时人脸跟踪方法

针对复杂背景和光照变化条件下的人脸跟踪问题,提出了一种适于嵌入式环境的实时人脸跟踪方法。该方法使用帧差法检测出运动区域,在运动区域内进行AdaBoost人脸检测并进而提取人脸特征点,运用距离约束的金字塔形Lucas-Kanade方法跟踪人脸特征点。当特征点丢失较严重时,重新选取特征点进行跟踪。实验结果表明,该方法有较鲁棒的跟踪性能,在嵌入式环境下能够实时跟踪人脸。     

多分辨率LK光流联合SURF的跟踪方法

针对交通监控中运动目标形变、雾霾天气、高速、光照不均、部分遮挡等复杂情况导致Lucas-Kanade（LK）算法跟踪不稳定问题,提出基于多分辨率LK光流算法联合快速鲁棒性特征（SURF）的跟踪算法。所提算法构建图像多分辨率小波金字塔,解决传统LK算法中同一像素点帧间大尺度运动易丢失问题;同时联合SURF尺度不变特征变换算法,提取特征点进行光流跟踪,并制定自适应模板实时更新策略;在减少光流计算量的同时增强运动目标抗复杂环境的能力。实验结果表明,新方法中特征点匹配准确快速,自适应性强,在交通复杂化境中跟踪稳定。     

融合CamShift的TLD算法实现人脸跟踪

针对跟踪-学习-检测(Tracking-Learning-Detection,TLD)算法跟踪模块所用金字塔光流法计算量大,跟踪人脸实时性差的问题,提出融合连续自适应均值漂移(Continuously Adaptive Mean Shift,CamShift)的TLD算法提高人脸跟踪效率.改进的TLD算法框架中跟踪模块选用CamShift算法实现目标人脸跟踪,检测模块采用滑动窗法扫描搜索,再使用分类器判断目标是否存在,学习模块根据跟踪模块和检测模块的结果对比评估错误和误差,更新目标模型.将改进的TLD算法分别与CamShift算法和TLD算法进行对比试验,结果表明,融合CamShift的TLD算法实现人脸跟踪效率和准确率均高于原始两种算法,且满足实时性要求.     

复杂背景下视频人脸的定位与跟踪

本文提出了一种视频人脸的定位与跟踪算法，包括人脸检测和人脸跟踪两个方面。该算法首先提取人脸训练样本的轮廓，抽取轮廓特征，用支持向量机对轮廓特征进行分类，实现人脸的检测；然后建立特征空间模型，用相似度函数选取最优的特征空间，简化跟踪难度，减少特征的数量，实现人脸的跟踪。实验表明，算法鲁棒性好、速度快，在背
背景与跟踪目标颜色非常接近的情况下，也能够准确地跟踪和定位出目标人脸。     

非一致性引导的无监督特征选择

由于无监督环境下特征选择缺少类别信息的依赖,所以利用模糊粗糙集理论提出一种非一致性度量方法DAM(disagreement measure),用于度量任意两个特征集合或特征间引起的模糊等价类含义的差异程度.在此基础上实现DAMUFS无监督特征选择算法,其在无监督条件下可以选择出包含更多信息量的特征子集,同时还保证特征子集中属性冗余度尽可能小.实验将DAMUFS算法与一些无监督以及有监督特征选择算法在多个数据集上进行分类性能比较,结果证明了DAMUFS的有效性.     

基于微分平滑滤波的特征点跟踪

光流跟踪作为一种重要的二维运动估计技术,在运动目标检测和跟踪中有着重要的作用.L-K光流跟踪算法是一种利用Newton-Raphson梯度下降法进行图像匹配的算法,所以离散图像的偏导数的计算显得尤为重要.由于数字图像离散的方格结构导致在计算各阶偏导数时产生较大的误差.利用微分平滑滤波的方法先利用一个连续的基础函数模拟离...     

基于视觉的无人飞艇地面目标检测

针对无人飞艇地面目标检测中细节信息缺失的问题,提出一种静态目标和运动目标的检测方法。利用Lucas-Kanade方法跟踪目标区域内特征点,从而实现静态目标的连续检测。通过图像特征点的跟踪估计相邻帧图像间的全局运动,进而对图像进行运动补偿,利用补偿后的帧差图实现运动目标的检测。采用上海交通大学“致远一号”无人飞艇采集的实际视频数据进行实验与分析,结果验证了该方法的有效性。